轉義XML字符的最佳實踐？

Question

我有我轉換成Dom4J文檔的HTML數據。

我遇到了一個錯誤：

org.dom4j.DocumentException: Error on line 1 of document : Reference is not allowed in prolog. Nested exception: Reference is not allowed in prolog. 
    at org.dom4j.io.SAXReader.read(SAXReader.java:482) 
    at org.dom4j.DocumentHelper.parseText(DocumentHelper.java:278) 
    at MonTest.main(MonTest.java:21) 
Nested exception: 
    org.xml.sax.SAXParseException: Reference is not allowed in prolog. 

這是一個性格「&」，我需要逃避到&放大器;以建立文件。

在XML中，我們似乎需要轉義5個字符：（GT，LT，QUOT，安培，者）

然而，如何可以逃避它，而不脫離其放入「節點」元素：

<div id="test" class='toto'>A&A<A"A</div> 

應該給：

<div id="test" class='toto'>A&amp;A&lt;A&quot;A</div> 

，而不是

<div id="test" class='toto'>A&A<A"A</div> 

謝謝

Answer 1

逃亡串增加XML文檔之前。使用Apache Commons Lang中的StringEscapeUtils.escapeXml方法。使用一些庫來構建XML http://code.google.com/p/joox/。

Answer 2

我會看看使用寬鬆的HTML XMLReader而不是默認的XMLReader實現。像tag soup或html tidy。